VASP6最近即将发布,虽然新功能和源码并没有公开,但是有些课题组已经提前拿到了试用版VASP6程序,vaspwiki网站也更新了VASP6的新功能手册。其中一大部分更新内容都是关于机器学习的。Georg Kresse教授的刚刚发表的文章已经透露了VASP6关于机器学习的新方法:Phys. Rev. B 100, 014105;Phys. Rev. Lett. 122, 225701。
运用贝叶斯线性回归法在分子动力学模拟过程中即时拟合力场参数,On-the-fly machine learning force field generation using Bayesian linear regression,所谓的On-the-fly就是 ’实时‘ 的意思。
传统机器学习处理都是先搞一些训练集/测试集反复的把参数训练好,然后再去应用到类似的体系,这样实际的应用价值比较低,因为训练这一步就消耗了大量资源和时间,等一个体系都训练好了,其实所用的训练集已经足够把该体系研究清楚了。而On-the-fly的好处就是不用事前的进行训练,在跑AIMD的过程中,程序就不断的拿到一些可以用作训练的数据,然后在一边跑AIMD的过程中就一边训练力场参数,当程序认为力场参数已经训练的足够精确了,就不用再做第一性原理的计算,直接用力场跑MD,跑一段时间之后,体系的几何结构又发生了明显的变化,原来训练好的力场不再精确了,就要切换回AIMD,继续产出训练集进行训练。所以就在AIMD和经典MD之间来回的切换中,仍可以达到纯AIMD的计算效果和精度,在研究材料相变,晶体熔化等复杂过程中取得了巨大的成功。可以将AIMD的运算时长提升几十倍甚至上百倍。
Georg Kresse课题组把该功能集成到了VASP6里,从此实用机器学习方法将逐渐的在材料计算科学领域发展起来。
汇聚全国最优秀的青年计算科学工作者的「青年学者」论坛欢迎您的参与(8月8日,杭州),共同建立学术社交圈,干货贡献,共同进步:研之成理固体与表面理论计算「青年学者」论坛暨理论计算初级培训班开始注册
联系客服